次回の更新記事：LLMを活用した採用フィードバックの効率化（公開予定日：2025年07月14日）

LLM

100万体のLLMエージェントによるシミュレーションを実験できる環境が登場

100万体のLLMエージェントによるシミュレーションを実験できる環境が登場

「o1-preview」は従来のモデルとは明確に異なり「珍しいタイプの問題」にも強い

「o1-preview」は従来のモデルとは明確に異なり「珍しいタイプの問題」にも強い

対話の中でユーザーの好みを学ぶ手法『CIPHER』　（プロンプトテンプレートあり）

対話の中でユーザーの好みを学ぶ手法『CIPHER』　（プロンプトテンプレートあり）

専門家が作成したプロンプトと同等以上の性能を達成する自動プロンプト生成手法『Minstriel』

専門家が作成したプロンプトと同等以上の性能を達成する自動プロンプト生成手法『Minstriel』

米国3人に1人が生成AIを使用　ブルーカラー労働者も生産性向上　大規模調査より

米国3人に1人が生成AIを使用　ブルーカラー労働者も生産性向上　大規模調査より

LLMの論理的推論能力をステップバイステップ以上に向上させる手法『Logic-of-Thought』プロンプティング（テンプレートつき）

LLMの論理的推論能力をステップバイステップ以上に向上させる手法『Logic-of-Thought』プロンプティング（テンプレートつき）

RAG-LLMシステムへのユーザークエリは4つのレベルに分類できる　最も複雑なのは「隠れた根拠からの推論が必要なクエリ」Microsoftによる研究

RAG-LLMシステムへのユーザークエリは4つのレベルに分類できる　最も複雑なのは「隠れた根拠からの推論が必要なクエリ」Microsoftによる研究

OpenAIの新しいモデルo1-preview、従来のLLMと比べて「計画能力」で圧倒的な性能向上

OpenAIの新しいモデルo1-preview、従来のLLMと比べて「計画能力」で圧倒的な性能向上

LLMの「自己対話」により複雑な問題の解決能力を飛躍的に向上させる手法『Iteration of Thought』

LLMの「自己対話」により複雑な問題の解決能力を飛躍的に向上させる手法『Iteration of Thought』

CoT（思考の連鎖）は数学や論理で劇的に性能を向上させる一方、常識や知識のタスクでほとんど効果がない

CoT（思考の連鎖）は数学や論理で劇的に性能を向上させる一方、常識や知識のタスクでほとんど効果がない

医療のような専門分野におけるLLMの性能は「知識グラフと再ランキングの併用」で大幅に向上（東京大学Irene Li氏）

医療のような専門分野におけるLLMの性能は「知識グラフと再ランキングの併用」で大幅に向上（東京大学Irene Li氏）

GPT-4oに”嘘をつく理由”を与えると正直さが約32.5%減少　LLMは役割に応じて”正直さ”が変化する

GPT-4oに”嘘をつく理由”を与えると正直さが約32.5%減少　LLMは役割に応じて”正直さ”が変化する

単純に生成回数を増やすとLLMの性能が大幅に向上する「推論時のスケーリング則」

単純に生成回数を増やすとLLMの性能が大幅に向上する「推論時のスケーリング則」

リアルなWindowsOS環境でのエージェント能力を評価する『WindowsAgentArena』およびエージェント『Navi（ナビ）』Microsoftが開発

リアルなWindowsOS環境でのエージェント能力を評価する『WindowsAgentArena』およびエージェント『Navi（ナビ）』Microsoftが開発

ノーコードでLLMマルチエージェントを操る『AUTOGEN STUDIO』Microsoftが新開発

ノーコードでLLMマルチエージェントを操る『AUTOGEN STUDIO』Microsoftが新開発

プロフィールを登録すると
仕事のオファーが届きます

プロフィール登録
PAGE TOP